AI BENCHY 对比
OpenAI: GPT-5.4 Mini vs Xiaomi: MiMo-V2-Omni
基准结果生成自 AI BENCHY 测试套件，时间：: 2026-05-22
| 指标 | GPT-5.4 Mini GPT-5.4 Mini medium | MiMo-V2-Omni MiMo-V2-Omni medium |
|---|---|---|
| 分数 | 7.1 | 6.9 |
| 排名 | #65 | #72 |
| 可靠性 | 10.0 | 10.0 |
| 一致性 | 7.6 | 8.7 |
| 测试正确 | ||
| 尝试通过率 | 68.3% | 58.3% |
| 不稳定测试 | 6 | 3 |
| 总运行次数 | 60 | 52 |
| 每个结果成本 | 4.867 | 7.334 |
| 总成本 | $0.487 | $0.734 |
| ???? | $0.750 / 1M | $0.400 / 1M |
| ???? | $4.500 / 1M | $2.000 / 1M |
| 输出令牌 | 2,186 | 1,952 |
| 推理令牌 | 100,706 | 357,306 |
| 响应时间（平均） | 22.14s | 41.16s |
| 响应时间（最大） | 138.75s | 299.23s |
| 响应时间（总计） | 442.74s | 823.26s |
分数 vs 总成本
响应时间（平均）
分数 vs 响应时间（平均）
总输出令牌
分数 vs 总输出令牌
类别细分
| 反AI技巧 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 8.6 | 7.9 | 91.7% | 1 | 4.05s | 296 | 2,876 | |
| MiMo-V2-Omni | 10.0 | 10.0 | 100.0% | 0 | 2.75s | 269 | 1,701 |
| 编程 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 7.5 | 6.0 | 83.3% | 1 | 73.25s | 446 | 32,513 | |
| MiMo-V2-Omni | 3.4 | 4.8 | 16.7% | 1 | 183.89s | 292 | 174,314 |
| 综合 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 10.0 | 10.0 | 100.0% | 0 | 17.81s | 317 | 4,317 | |
| MiMo-V2-Omni | 10.0 | 10.0 | 100.0% | 0 | 25.87s | 380 | 8,673 |
| 数据解析与提取 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 10.0 | 10.0 | 100.0% | 0 | 2.43s | 234 | 650 | |
| MiMo-V2-Omni | 10.0 | 10.0 | 100.0% | 0 | 3.04s | 155 | 591 |
| 领域专项 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 4.1 | 4.4 | 44.5% | 2 | 65.31s | 60 | 43,286 | |
| MiMo-V2-Omni | 3.0 | 10.0 | 0.0% | 0 | 47.89s | 155 | 68,398 |
| 通用智能 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 4.5 | 10.0 | 0.0% | 0 | 3.72s | 150 | 510 | |
| MiMo-V2-Omni | 5.4 | 2.5 | 66.7% | 1 | 3.61s | 136 | 492 |
| 指令遵循 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 7.4 | 6.7 | 66.7% | 1 | 2.50s | 129 | 1,337 | |
| MiMo-V2-Omni | 8.3 | 10.0 | 50.0% | 0 | 4.99s | 49 | 515 |
| 谜题求解 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 7.8 | 10.0 | 66.7% | 0 | 4.33s | 271 | 2,449 | |
| MiMo-V2-Omni | 5.9 | 7.2 | 55.6% | 1 | 2.38s | 210 | 860 |
| 工具调用 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 4.7 | 1.6 | 66.7% | 1 | 9.62s | 251 | 2,594 | |
| MiMo-V2-Omni | 10.0 | 10.0 | 100.0% | 0 | 13.98s | 303 | 3,461 |
| 常识问答 | 分数 | 一致性 | 尝试通过率 | 不稳定测试 | 测试正确 | 响应时间（平均） | 输出令牌 | 推理令牌 |
|---|---|---|---|---|---|---|---|---|
| GPT-5.4 Mini | 3.0 | 10.0 | 0.0% | 0 | 30.10s | 32 | 10,174 | |
| MiMo-V2-Omni | 3.0 | 10.0 | 0.0% | 0 | 234.19s | 3 | 98,301 |
快速对比
切换对比组合
GPT-5.4 MinimediumvsQwen3.6 Max PreviewnoneClaude Sonnet 4.6nonevsGPT-5.4 MinimediumClaude Sonnet 4.6nonevsMiMo-V2-OmnimediumRing-2.6-1TnonevsGPT-5.4 MinimediumQwen3.6 Max PreviewnonevsMiMo-V2-OmnimediumGemma 4 31Bnone免费可用vsMiMo-V2-OmnimediumGemini 3.1 Flash LiteminimalvsMiMo-V2-OmnimediumDeepSeek V4 Flashhigh免费可用vsGPT-5.4 MinimediumDeepSeek V4 ProhighvsMiMo-V2-OmnimediumRing-2.6-1TnonevsMiMo-V2-OmnimediumGemini 3.1 Flash LitelowvsGPT-5.4 MinimediumGrok Build 0.1nonevsMiMo-V2-Omnimedium